月降水量预报的多尺度支持向量机模型

发布时间：2020-12-09 17:14

　　可靠的短期或者长期降水量预报不仅可以为旱涝灾害预警提供关键信息,而且对于水资源管理,农业耕种以及生态环境建设有很大的参考价值。然而,降水是一个复杂的非线性大气过程,具有空间和时间依赖性。因此,了解降水的复杂性和可预报性,并在月或季节尺度上准确地预报降水量具有一定挑战性。为了提高月降水量的预报精度,本文提出了基于数据分解的最小二乘支持向量机（LSSVM）月降水量预报模型,并利用长江流域138个气象观测站1960-2012年逐月的降水量资料以及11个大尺度气候指数,对长江流域各站点分别进行了月降水量预报研究。其中,1961-2002年的数据用于训练模型,2003-2012年的数据用于测试模型。首先,通过计算预报因子与标准化月降水量之间的偏信息（PI）,来选取预报因子的最佳滞后期以挑选最佳模型输入。然后,利用差分进化（DE）算法优化最小二乘支持向量机的模型参数,以构建LSSVM月降水量预报模型。为研究数据分解方法对LSSVM模型预报性能的改进,本文利用经验模态分解（EMD）或者离散小波变换（DWT）分别对原始序列进行分解再耦合LSSVM模型以分别构建EMD-LSSVM和DWT-LSSVM月降... 

【文章来源】：湖南师范大学湖南省 211工程院校

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

研究区和138个观测站点分布

?１１５ＷＥ?１２０ＷＥ??图２－ｌ研究区和１３８个观测站点分布??Ｆｉｇｕｒｅ?２－ｌ?Ｓｔｕｄｙ?ａｒｅａ?ａｎｄ?ｌｏｃａｔｉｏｎ?ｏｆ?１３８?ｓｅｌｅｃｔｅｄ?ｒａｉｎｆａｌｌ?ｓｔａｔｉｏｎｓ??８??

只需要满足分解停止准则就能获得所需的本征模函数。本文将每个初始时间序列都??分解为５个本征模函数分量和１个残差，其中５个本征模函数的频率按顺序从最高??到最低排列。图５－１?（ａ）给出了玉树（５６０２９）站点标准月降水量的经验模态分解的??分解结果图。在离散小波变换的分解过程中，采用了?Ｍｅｙｅｒ小波来构造小波基，并??将原始时间序列分解为５个细节分量（砧，／）２，…，Ａ?）和１个近似分量（為）。图??５－１?（ｂ）显示了玉树站点标准月降水量的离散小波变换的分解结果图。从图５－１可以??观察到，本征模函数分量和细节分量在频率，振幅和波长上都发生了变化。Ａ??包含了振幅最大，频率最高，波长最短的部分。随着分解层数的增加，本征模函数??分量和细节分量在振幅和频率上依次递减，并且在波长上依次增加。??２２??

【参考文献】：
期刊论文
[1]基于PSO-LSSVM的干旱区中长期降水预测模型研究[J]. 孟锦根.  长江科学院院报. 2016(10)
[2]基于支持向量机（SVM）的祁连山典型小流域日降水-径流模拟研究[J]. 于海姣,温小虎,冯起,何志斌.  水资源与水工程学报. 2015(02)
[3]盛夏副高东西位置异常变化对我国气候的影响及预测研究[J]. 黄志萍,任广成,夏军.  海洋预报. 2012(03)
[4]基于SVM分类的淮河流域夏季降水预测模型[J]. 吴有训,刘勇,叶金印,余品忠.  中国农业大学学报. 2011(05)
[5]时间序列模型在降水量预测中的应用研究[J]. 常青,赵晓莉.  计算机仿真. 2011(07)
[6]支持向量机(SVM)方法在降水分类预测中的应用[J]. 杨淑群,芮景析,冯汉中.  西南农业大学学报(自然科学版). 2006(02)



本文编号：2907200